[发明专利]一种与内容无关的垃圾邮件过滤方法

权利要求书

1.一种与内容无关的垃圾邮件过滤方法，包含如下步骤：(1)对待过滤邮件样本的邮件信头和邮件标题进行特征提取，(2)对步骤(1)所得的邮件信头特征进行特征量化，(3)对步骤(1)所得的邮件标题特征进行特征量化，(4)将步骤(2)和(3)所得结果输入人工神经网络分类器进行分类，根据分类结果判断待过滤邮件样本是否为垃圾邮件；其特征在于：

对于一个电子邮件样本e，所述步骤(2)包括如下步骤：

a.判断邮件信头的发件人地址特征是否合法，转化为二值特征sender(e)；

b.对邮件信头的收件人地址和抄送人进行量化，将收件人个数转化为整数特征nrcpt(e)；

c.对邮件信头的邮件客户端根据是否支持匿名大量发送邮件进行量化，得到二值特征xmalr(e)；

d.对邮件信头的IP地址进行量化，将IP地址转化为[0，1]间的浮点数特征ip(e)；

所述步骤(3)具体包括如下步骤：

a.对邮件标题去除标点符号、特殊符号、停用词后，经分词转化为由单词组成的特征向量G；

b.对所述特征向量G中的每一个元素进行统计，并分别对照垃圾标题特征集和合法标题特征集进行统计，查找每一个元素分别在这两个集中出现的频率次数，并将结果分为四种情况，分别得到基本概率指派函数；

c.将所述基本概率指派函数根据证据理论的D-S组合规则进行融合，得到最终的基本概率指派函数；

d.将所述最终的基本概率指派函数经过赌博概率转化作为邮件标题特征smrk(e)。

2.根据权利要求1所述的与内容无关的垃圾邮件过滤方法，其特征在于所述步骤(2)的邮件信头特征量化方法以及所述步骤(3)的基本概率指派函数定义；

所述步骤(2)中对于邮件信头的特征量化如下：

(1)在sender(e)函数的特征量化阶段，当邮件样本e的信头中from字段合法，sender(e)函数输出1；否则sender(e)输出0；

(2)在nrcpt(e)函数的特征量化阶段，nrcpt(e)提取邮件信头中的to字段，并输出整数代表邮件样本e中收件人个数；

(3)在xmalr(e)函数的特征量化阶段，xmalr(e)函数通过在已知合法电子邮件客户端的列表中查询从而输出二值整数；对于邮件样本e，当邮件信头中含有不合法的X-mailer或者X-mailer为空时，xmalr(e)函数输出0，否则xmalr(e)函数输出1；

(4)在ip(e)函数的特征量化阶段，将32位的二进制IP地址转化为无符号整数；之后将该整数归一化到[0，1]的浮点数值区间；

所述步骤(3)中基本概率指派函数分为如下四种情况：

(1)邮件标题的特征向量G中的每一个元素g_i出现在垃圾标题特征集中，也出现在合法标题特征集中时，定义基本概率指派函数如下：

m_i({spam，legitimate})＝0

(2)元素g_i既没有出现在垃圾标题特征集中，也没有出现在合法标题特征集中，定义基本概率指派函数如下：

m_i({spam})＝0

m_i({legitimate})＝0

m_i({spam，legitimate})＝1

(3)元素g_i出现在垃圾标题特征集中，但没有出现在合法标题特征集中，定义基本概率指派函数如下：

m_i({spam})＝1

m_i({legitimate})＝0

m_i({spam，legitimate})＝0

(4)元素g_i出现在合法标题特征集中，但没有出现在垃圾标题特征集中，定义基本概率指派函数如下：

m_i({spam})＝0

m_i({legitimate})＝1

m_i({spam，legitimate})＝0

其中，

{legitimate}表示合法邮件类集合，m({legitimate})表示证据对合法邮件类集合的支持度；

{spam}表示垃圾邮件类集合，m({spam})表示证据对垃圾邮件类集合的支持度；

定义Θ＝{legitimate，spam}表示互斥邮件集合；m({legitimate，spam})，即m({Θ})表示证据对互斥类邮件集合的支持度，其表示证据无法确定邮件属于任何一个类别；

SSFS表示垃圾标题特征集，LSFS表示合法标题特征集；

frequency(g_i，SSFS)表示元素g_i出现在垃圾标题特征集中的频率，frequency(g_i，LSFS)表示元素g_i出现在合法标题特征集中的频率。